El submuestreo reduce deliberadamente la cantidad de ejemplos disponibles de la clase mayoritaria, eliminando observaciones al azar (o de forma más selectiva) hasta lograr una proporción más equilibrada respecto a la clase minoritaria, en lugar de generar ejemplos adicionales de esta última.
Su principal desventaja
Al descartar ejemplos reales de la clase mayoritaria, se pierde información potencialmente útil, lo que puede ser problemático cuando el conjunto de datos original no es tan grande y cada observación disponible es valiosa para el entrenamiento del modelo.